RSUD MANADO
Dinas PU Manado
rusunawa
Pengumpulan data
Data penelitian meliputi data sekunder dan data primer. Data sekunder terdiri dari:
a.Volume lalu lintas.
b.Layout RSUD Manado diperoleh dari perencanan.
c.Luas bangunan, jumlah bed, serta jenis dan jumlah ruangan diperoleh dari pihak
Manajemen rumah sakit.
Data primer terdiri dari :
a.Volume lalu lintas saat konstruksi diperoleh melalui survai volume kendaraan yang
terdiri dari HV, LV, MC, dan UM yang melewati Jl. PU Manado periode waktu 15 menit.
b.Inventarisasi tata guna lahan dan geometrik jalan
c.Data tarikan dan bangkitan diperoleh dari survai jumlah pengunjung pada rumah
sakit yang menjadi pendekatan. Jumlah pengunjung dibedakan berdasarkan jenis
kendaraan yang digunakan.
1
2
2)Perhitungan nilai C arah B –T Nilai C untuk arah B –T dimana lebar badan jalan
adalah 4 m dengan kelas hambatan samping rendah yaitu 1480 smp/jam.
c) Derajat kejenuhan (DS)
1)Perhitungan nilai DS arah T –B
Q = 835,89 smp/jam, C = 1480 smp/jam
𝑄 835.89
𝐷𝑆 = = = 0.5
𝐶 1480
2)Perhitungan nilai DS arah B –T
Dengan cara yang sama untuk arah B–T dimana Q = 787,38 smp/jam dan C =
1480smp/jam didapatkan nilai DS = 0.5.
2
3
Berdasarkan nilai derajat kejenuhan, maka indeks tingkat pelayanan jalan Pu Manado
sebelum konstruksi yaitu tingkat pelayanan C.
2)Perhitungan nilai FV arah B -TNilai FV untuk arah B–T dimana lebar badan jalan adalah
4 m dengan kelas hambatan samping rendah yaitu 57.9 km/jam.
Tabel 1.Kinerja jalan pra konstruksi
Kapasitas Kecepatan arus
Arus LL Q Derajat Indeks tingkat
no arah C Kriteria DS bebas FV
(smp/jam) kejenuhan pelayanan
(smp/jam) (km/jam)
1 T-B 1480 835 0.5 0,45 – 0,74 C 57.9
2 B -T 1480 787 0.5 0,45 – 0,74 C 57.9
3
4
jumlah
Volume pergerakan (Y1) org/hri jumlah jumlah Dokter
No hari bed terisi
pasien (X1) praktek (X3)
masuk keluar (X2)
1 senin 788 696 187 56 14
2 selasa 792 702 183 65 18
3 rabu 655 587 138 68 15
4 kamis 720 653 140 63 17
Untuk perhitungan selanjutnya dilakukan dengan menggunakan software SPSS 16.0. Hasil
persamaan modelnya dapat dilihat pada tabel di bawah ini.
4
5
Berdasarkan hasil korelasi antara variabel terikat yaitu jumlah pengunjung (Y1) dengan
masing-masing variabel bebas menunjukkan bahwa model untuk jumlah pengunjung lebih
besar/lebih kuat dipengaruhi oleh jumlah pasien (X1). Untuk mengetahui perkiraan jumlah
pasien (X1) saat RSUD Manado beroperasi, maka dapat dilakukan dengan cara memodelkan
antara jumlah pasien (YA), jumlah bed terisi (Xa), dan jumlah dokter praktek (Xb) pada
Rumah Sakit Siloam.
Tabel 6. Persamaan model jumlah pasien (YA) RS. SILOAM
hubungan Y dengan X persamaan model nilai r nilai
Xa Ya = 366.346 - 3.244 Xa 0.621 0.386
Xb Ya = 171.600 - 0.600 Xb 0.041 0.002
Xa + Xb Ya = 340.953 - 4.013 Xa + 4.617 Xb 0.682 0.465
Dari persamaan model di atas diketahui bahwa jumlah pasien sangat tergantung pada
persepsi isi (occupancy) dari bed dan praktek dokter yang tersedia pada rumah sakit.
5
6
Analogi dengan kondisi yang terjadi di Rumah Sakit Siloam dimana rumah sakit dalam
keadaan fix session, maka perkiraan Jumlah pengunjung didasarkan pada perkiraan jumlah
pasien. Berdasarkan hal tersebut, maka perkiraan jumlah pasien pada RSUD Manado yaitu :
Ya = 340.953 - 4.013 Xa + 4.617 Xb
=340.953 - 4.013(100) 4.617 (65) = 240 orang/hari
Sedangkan perkiraan jumlah tarikan yaitu:
Y1 = 528.231 + 2.023 X1-1.861 X2
Y1 = 528.231 + 2.023 (240) - 1.861 (65) = 895 orang/hari
6
7
Tabel 10. Perkiraan jumlah kendaraan yang keluar dari RSUD Manado
LV MC
pengunjung total
1 orang 2 orang 3 orang 4 orang 5 orang 1 orang 2 orang
8.47% 18.99% 19.75% 0.43% 0.68% 34.36% 17.31%
orang/hari
60 134 139 3 5 243 122 706
60 67 46.47833333 0.75895 0 242.5816 61.1043
kend/hari 174 303.6859 478
1. Arah T – B
Jika diasumsikan bahwa total pergerakan kendaraan yang terjadi pada jam puncak sebesar
10% (585 x 10% = 58.5), maka volume kendaraan pada jam puncak dapat dihitung sebagai
berikut :
- volume kendaraan saat RSUD Manado dibuka, Q(2019) = 835x (1+0.03)1 = 860
7
8
2. Arah B – T
Jadi volume kendaraan total saat RSUD Manado beroperasi pada tahun 2019 (satu tahun
kemudian)
8
9
Lampiran 1
Coefficientsa Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 375.126 109.830 3.416 0.076
X1 2.245 0.671 0.921 3.344 0.079
a. Dependent Variable: Y1
Model Summary
Adjusted Std. Error
Model R R Square R Square of the
1 .921a 0.848 0.772 30.94804
a. Predictors: (Constant), X1
Model Summary
Adjusted Std. Error
Model R R Square R Square of the
1 .662a 0.438 0.157 59.55161
a. Predictors: (Constant), X2
Coefficientsa
Unstandardized Standardized
Model Coefficients Coefficients t Sig.
B Std. Error Beta
1 (Constant) 621.950 395.364 1.573 0.256
X3 7.300 24.590 0.205 0.297 0.795
a. Dependent
Model Summary
Adjusted Std. Error
Model R R Square R Square of the
1 .205a 0.042 -0.437 77.76198
a. Predictors: (Constant), X3
9
10
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 528.231 519.006 1.018 0.494
X1 2.023 1.158 0.830 1.747 0.331
X2 -1.861 6.044 -0.146 -0.308 0.810
a. Dependent Variable: Y1
Model Summary
Std. Error of
Model R R Square Adjusted R Square the Estimate
1 .928a 0.861 0.584 41.82977
a. Predictors: (Constant), X2, X1
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 232.584 215.275 1.080 0.475
X1 2.269 0.741 0.931 3.060 0.201
X3 8.661 10.810 0.244 0.801 0.570
a. Dependent Variable: Y1
Model Summary
Std. Error of
Model R R Square Adjusted R Square the Estimate
1 .953a 0.908 0.723 34.15598
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1141.266 395.273 2.887 0.212
X2 -12.306 6.819 -0.967 -1.805 0.322
X3 23.298 19.044 0.656 1.223 0.436
Model Summary
Std. Error of
Model R R Square Adjusted R Square the Estimate
1 .880a 0.775 0.325 53.30034
10
11
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 602.650 0.000
X1 1.580 0.000 0.648
X2 -5.966 0.000 -0.469
X3 16.004 0.000 0.450
Model Summary
Std. Error of
Model R R Square Adjusted R Square the Estimate
1 1.000a 1.000
a. Predictors: (Constant), X3, X1, X2
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 366.346 182.688 2.005 0.183
X2 -3.244 2.893 -0.621 -1.121 0.379
Model Summary
Std. Error of
Model R R Square Adjusted R Square the Estimate
1 .621a 0.386 0.079 25.54772
a. Predictors: (Constant), X2
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 171.600 165.626 1.036 0.409
X3 -0.600 10.301 -0.041 -0.058 0.959
Model Summary
Std. Error of
Model R R Square Adjusted R Square the Estimate
1 .041a 0.002 -0.497 32.57606
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 340.953 250.214 1.363 0.403
X2 -4.013 4.316 -0.769 -0.930 0.523
X3 4.617 12.055 0.317 0.383 0.767
Model Summary
Std. Error of
Model R R Square Adjusted R Square the Estimate
1 .682a 0.465 -0.606 33.74003
a. Predictors: (Constant), X3, X2
11
12
Lampiran 2
12